美国河流的复杂性和混沌行为及其预测范围的估计
摘要：河流的时间序列包含了大量的隐藏信息，准确预测其未来行为仍然是一个挑战。使用信息测量的方法似乎可以显著地帮助确定河流的时间范围并提高可预测性。先前的研究表明，使用科尔莫哥洛夫复杂性（KC）及其派生（KC谱及其最高值）和里亚普诺夫指数（LE），河流的可预测度取决于人类活动、环境因素和自然特征。本文将KC和LE测量应用于研究1950年至2015年间美国1879条河流的月流量的随机性和混沌行为，并通过里亚普诺夫时间和科尔莫哥洛夫时间（LT和KT）评估它们的时间范围。
作者：Dragutin T. Mihailovic, Slavica Malinovic-Mili''cevic, Jeongwoo Hanc and Vijay P. Singh
论文ID：2301.11983
分类：Data Analysis, Statistics and Probability
分类简称：physics.data-an
提交时间：2023-01-31